Бинарные рамки что это
Проблемы бинарной логики, или Почему ИИ — просто усовершенствованный калькулятор
Искусственный интеллект не защищен от ошибок. Ведь он — создание человеческого разума, а наше мышление — это скопище ошибок и заблуждений. Да, наши суждения часто ошибочны. Даже если мы очень стараемся судить объективно, мы всё равно обречены на стереотипное мышление и далеко идущие неаргументированные выводы. Однако ошибки ИИ вовсе не такие. Он ошибается не по причине субъективности, а из-за самой сути алгоритмического мышления. Во всём виновата бинарная логика.
Бинарная логика основана на двух утверждениях: истина (логическая единица ) или ложь (логический нуль ). Благодаря такому простому механизму возможно быстро и эффективно проводить вычисления. Чтобы машина могла понимать печатные символы и алфавит, используется кодировка ASCII (American Standard Code for Information Interchange). С ее помощью привычный человеку текст переводится в понятные машине нули и единицы.
Однако это не означает, что машина понимает мир и слова так же, как и мы. Нам приходится пользоваться бинарной логикой, чтобы общаться с машиной, но машина не может говорить с нами, пользуясь человеческими мыслительными процессами.
Мы не мыслим нулями, единицами и исключительно количественными категориями. Мы оперируем деталями, контекстами, разными измерениями, динамикой процессов, ценностями и богатством опыта.
Но самое интересное во всём этом, что бинарная логика — это вовсе не изобретение сумасшедших инженеров начала XX века. За бинарную логику стоит говорить спасибо Аристотелю.
Бинарная логика и сексизм Аристотеля
Что? Аристотелю? Отцу демократии и великому философу? За вот эту ущербную машинную логику?
Вообще да, именно ему и его теории дуализма. За 350 лет до нашей эры Аристотелю захотелось сделать мир проще и понятнее. За основу он взял пифагорейскую таблицу противоположностей, которая выглядела примерно так:
Конечность — бесконечность
Чёт — нечет
Единство — множество
Правый — левый
Покой — движение
Прямой — кривой
Добро — зло
и т. д.
Пифагор с помощью этой таблицы демонстрировал, что числа — это не про количество единиц, а про некую силу и вектор ее направления.
Аристотель посмотрел на нее и подумал: ведь разделение на противоположности работает и с людьми, и с животными, и с обществом. Кто-то занимает один полюс, а кто-то — другой. Кто-то прав, а кто-то виноват. Кто-то добр, а кто-то зол.
Аристотель соорудил на фундаменте дуализма иерархическую систему и снабдил ее собственными представлениями о носителях одной полярности (со значением «1») и другой (со значением «0»). Ну, к примеру:
1 = истина = разум = правый = мужчина
0 = ложь = чувства = левый = женщина
Вот такой сексизм 2000-летней давности.
Если бы Аристотель прислушивался к своим предшественникам, Сократу и Платону, он бы, возможно, не был бы так уверен в подчиненном положении женщин и ущербности их разума, и право голоса женщины получили бы не в начале XX века, а гораздо раньше.
В диалоге Платона «Пир» Сократ с большим уважением отзывался о мудрости жрицы Диотимы из Мантинеи, а в Книге 5 «Государства» он говорит, что управлять городом с равным успехом может и мужчина, и женщина.
Тем не менее именно аристотелевская логика легла в основу западной мысли и продолжает пускать ростки стереотипов и предубеждений.
Бинарная логика Декарта и китайская ошибка Лейбница
Эстафетную палочку Аристотеля перехватили в XVII–XVIII веках Декарт и Лейбниц. Декарт, изобретатель афоризма «Я мыслю, следовательно, я существую», зародил идею о том, что любой субъект имеет только ту ценность, которую ему приписывает наблюдатель.
Кроме того, рассуждения Декарта продолжали тенденцию отделения разума от телесных и чувственных проявлений: в «Размышлениях о первой философии» ученый отнес разум к миру идеального, а тела и чувства — к миру материального, где эти два мира не пересекаются.
Плюс Декарт был разочарован несистемными методами, которыми пользовались математики в его время и разработал дедуктивно-индуктивную логику, основы которой изложил в «Рассуждениях о познании». Математика в представлении Декарта должна иметь крепкий фундамент, и в качестве него он использовал аристотелевскую бинарную логику (1 = истина = действительно, 0 = ложь = недействительно), только упаковал ее в древовидную структуру. Теперь она используется в нейросетях при обработке естественных языков.
Немецкий мыслитель и юрист Лейбниц, создатель математического анализа (одновременно с Ньютоном), разработал бинарную модель счисления как быстрый способ получать готовые расчеты.
Интересно, что Лейбниц был ярым китаистом. В 1703 году священник Буве высылает мыслителю копию «Книги перемен» («И Цзин»), древний китайский философский текст. Книга состоит из 64 гексаграмм, в которых Лейбниц уловил сходство с собственными бинарными таблицами и пришел в восторг.
В одних гексаграммах Лейбниц увидел нули, а в других — единицы, что утвердило его в мысли о том, насколько бинарная логическая система универсальна и всеобъемлюща.
Вот только Лейбниц ошибся: во-первых, он рассматривал гексаграммы, перевернув их вверх ногами. Во-вторых, он не учел, что каждая гексаграмма соответствовала определенному описанию на китайском. В третьих, каждая из них представляла собой запись двух противоборствующих энергий — положительной и негативной, инь и ян.
В любом случае и Лейбниц, и Декарт сделали свой вклад в развитие западного мышления, замкнутого в противоестественной дуальной логике.
Бинарная логика сегодня
На бинарной логике построены все современные системы данных. Нулями и единицами пронизаны любые действия, которые производятся сегодня в цифровом поле. Вот, например:
Свайп вправо = 1, свайп влево = 0
Поставили лайк =1, не поставили = 0
Кажется, пользователь испытывает положительные эмоции = 1, отрицательные = 0
Группируем объекты по красному цвету: яблоко = 1, апельсин = 0
Машина лишь регистрирует, какой выбор сделал человек, и дает соответствующую реакцию, выбирая из двух вариантов.
Бинарная логика не предоставляет пространства для моделирования причин принятия подобных решений. Мы собираем черно-белые данные, сортируя их по оттенкам серого, когда мир вокруг — это целая радуга.
Окружающий нас мир не терпит бинарности. Частицы в квантовой суперпозиции могут быть одновременно и нулем, и единицей. Взаимосвязи между явлениями и свойствами богаче и неоднозначнее, чем чёт и нечет.
Бинарностью легко оперировать, но в таком случае нам стоит смириться с тем, что искусственный интеллект так и останется усовершенствованной моделью калькулятора.
Бинарное мышление
Вот и новая тема неожиданно созрела. Всё началось с новости. Принят закон о курортном сборе. Дано много разъяснений, комментариев, мнений. Единственного не нашёл нигде. Нет реальной оценки введения такого сбора для нашего российского общества. Важно не то, какими конструкциями оперировали инициаторы закона, важно не то, что они там о себе думали. Важно, какой реальный смысл получился. А он виден невооружённым глазом: на территории российского государства вводятся визы для въезда в другие регионы (отличные от региона проживания). Всё. Больше ничего не надо здесь говорить. Говорить надо о том, почему всё это с нами происходит. Такие взаимоисключающие процессы. Живём мы, за исключением не очень большой прослойки людей, прямо скажем небогато. Много проблем внутри страны, много проблем с соседями. Обстановка в мире не фонтан. Но греет то, что «Россия поднимается с колен». В кавычках не потому, что я иронизирую, а потому что фраза уже стала избитой. На самом деле, процессы на макроуровне идут очень неплохие. Восстанавливается независимость государства, повышается обороноспособность, развивается сельское хозяйство и строятся новые промышленные предприятия. На международной арене поведение России выше всяких похвал. Нам, прямо скажем, есть чем гордиться. И в условиях враждебного окружения естественным образом российский народ должен сплачиваться в единый мощный организм со здоровым мировоззрением. Но что-то всё время мешает. Вроде бы люди готовы простить власти то, что живётся не очень сыто. Были бы условия для свободного творчества, и многие способны на самостоятельный заплыв, не будут ждать подачек, не станут выпрашивать льгот и пособий. Но почему-то всё делается для того, чтобы небольшой частный семейный бизнес не мог существовать. Многие люди воспитаны ещё на советских условиях быта, им не нужны такие уж роскошные условия отдыха по типу «всё впихнём тебе в рот бесплатно» («всё включено»). Была бы кровать и море где-то там в нескольких кварталах, зато недорого. Или в походных условиях в палатке. Зато какая мобильность: можно пройти за отпуск всё побережье!
В фильме «Кин-дза-дза» есть эпизод, когда при нехватке денег на полноценную заправку своего летательного аппарата, его хозяева предлагают лететь на заправку, где сидит женщина: её можно уломать, и она нальёт больше. Но выяснилось, что женщину убрали, а автомат поставили. А он бездушен и действует строго по программе. Так и у нас. Вот несколько примеров.
Последний случай. Продал человек машину. Радовался, как государство позаботилось об упрощении процедуры: только простой договор купли-продажи. Не надо снимать с учёта, не нужен нотариус. Продал, тут же ему на карту перевёл деньги покупатель. Прошло 2 года. Зашёл человек на портал «Госуслуги». И там вдруг всплывает строчка «судебная задолженность». Надо заплатить по какому-то административному правонарушению 3000 рублей. Указанный телефон судебного пристава наглухо занят. Нет никаких подробностей. Человек полдня пытается что-то понять, пока ему не приходит в голову задать запрос по номеру двигателя своей проданной машины. Так и есть. Кто-то на его машине в Кировской области что-то нарушил. Но новый собственник не сразу перерегистрировал автомобиль, и на тот момент он числился за прежним хозяином. И вот спустя 2 года оно всплыло. Парадоксальность ситуации заключается в том, что нельзя просто позвонить или через интернет сообщить об ошибке, и тем исчерпать инцидент. Нужно обращаться в суд. Но при этом надо ещё и получить постановление. Бинарное мышление. Оно не предполагает того, что человек невиновен, пока не доказано обратное. Оно предполагает, что надо доказать свою невинность.
А разве проходя сквозь рамки металлоискателей и кладя свои пожитки на ленту для просвечивания, мы каждый раз не стараемся доказывать, что мы не преступники. Презумпция невиновности давно отменена. Она не укладывается в рамки бинарного мышления.
Остаётся понять, что надо сделать для того, чтобы чиновники перестали издеваться над нашей душой. Но для этого что-то мы сами должны поменять в своих душах. Может быть, перестать быть равнодушными?
Бинарное мышление. Что это?
Что подразумевается под бинарным мышлением. Почему мы так мыслим? Ошибочное применение его в ставках.
Успех игроков зависит от того, как они обрабатывают информацию. Что такое бинарная предвзятость? Что YouTube и Baltimore Ravens говорят нам о психологии ставок? Что такое хорошая ставка? Чтобы узнать, читайте дальше.
Что такое бинарное мышление?
Бинарное мышление — это деление информации на два взаимоисключающих варианта, сродни тому, как компьютер оперирует бинарным кодом. Что-то равняется либо единице, либо нулю, и есть только эти два варианта. Промежуточных вариантов не существует.
Многие утверждают, что люди инстинктивно сортируют информацию по этому принципу, естественным образом приходя к бинарному мышлению.
Для примитивных людей это имело смысл. Решения, которые им приходилось принимать, располагали к такому типу мышления, особенно когда их требовалось принимать быстро. К примеру, услыхав шелест в кустах, нужно было решить, хищник это или нет.
Вознаграждение за трату драгоценного времени на оценку имеющейся информации — пока хищник, возможно, готовится к прыжку — не стоит риска быть съеденным. Простое же решение, что шелест в кустах — это хищник, и немедленное бегство имеет гораздо больший смысл с точки зрения соотношения между риском и вознаграждением.
Ричард Докинз утверждает, что такое желание принимать простые решения — да или нет — и укладывать информацию в аккуратные категории — это «тирания разрывающегося разума». Он выдвигает предположение, что полагаясь на категорическое «или — или», люди стремятся к обретению уверенности, так как нашему мозгу намного проще мыслить бинарными категориями, как это делали наши предки, чем рассматривать все оттенки серого между двумя крайностями.
Такой бинарный принцип прекрасно подходит для принятия простых мгновенных решений, но сейчас мы живем в мире, в котором полно нюансов. И особенно остро это чувствуется в мире ставок.
Бинарная предвзятость: кофеин и рейтинги YouTube
🔥 Эксклюзив Париматч! 🔥
Как бинарный подход к принятию решений влияет на способ обработки нами информации?
Фишер и Кейл решили выяснить это в серии исследований того, что они назвали «бинарной предвзятостью». Участникам этих исследований предоставляли данные на определенную тему и просили их кратко резюмировать эти данные и дать оценку, наилучшим образом отражающую их общее впечатление.
В одном из примеров, когда людям предлагалось оценить данные разных исследований, изучавших связь между кофеином и здоровьем, они быстро делили их на две категории: «влияет» или «не влияет», вне зависимости от относительной силы доказательств.
В итоге исследователи пришли к таким выводам: «Мы показали, что резюмируя доказательства в разнообразных контекстах, люди проявляют бинарную предвзятость — склонность применять категорические различия к непрерывным данным. Данные втискиваются в дискретные контейнеры, и на основе этих категорий формируется конечное суждение».
Иными словами, участники исследования были склонны игнорировать относительную силу доказательств, которые им предоставили, вместо этого распределяя данные по дискретным категориям и рассматривая совокупность этих категорий.
Из-за этого непрерывные данные не принимались во внимание, и вывод, имеющий 25-процентную вероятность, отправлялся в тот же контейнер, что и прочие выводы, склоняющиеся в этом же направлении, вне зависимости от их силы. Благодаря такому подходу участникам было проще обрабатывать данные, но при этом ценность полученной информации снижалась.
Этот принцип можно было наблюдать в действии на YouTube, когда введенная на сайте система рейтинга со звездочками оказалась неэффективной. Большинство пользователей ставили либо одну, либо пять звезд.
Таковы были последствия бинарного подхода к принятию решений. Если пользователю нравилось видео, он оценивал его в пять звезд, а если не нравилось — в одну. Вся информация между этими двумя дискретными категориями была утеряна. В результате, YouTube перешел на более простую систему «Нравится/Не нравится».
Отклонение в сторону результата
Как мы уже видели, люди предпочитают делить информацию на две четкие категории, если это возможно. Это происходит и в мире ставок.
Неопытному игроку кажется, что хорошая ставка — это та, которая выигрывает. Плохая ставка — та, которая проигрывает. Эти два контейнера просты и интуитивно понятны человеку со стороны или тому, кто не очень хорошо разбирается в нюансах ставок.
Однако это в корне неправильное представление. Выигрывающая ставка может быть плохой, а самая лучшая ставка в мире может проиграть. Если распределять ставки по таким простым категориям, теряется вся полезная информация.
Подобное стремление определить, является ли элемент данных «хорошим» или «плохим», исходя из результата события, проявилось и в споре, развернувшемся вокруг неудачной двухочковой попытки команды Baltimore Ravens в сезоне НФЛ 2019 года.
С математической точки зрения, решение команды Ravens предпринять двухочковую попытку было правильным. Но так как попытка провалилась, некоторые эксперты отправили это решение в контейнер «плохие» — и это несмотря на то, что с математической точки зрения оно было правильным.
Эти эксперты не учли дополнительную информацию, которую можно было бы получить, проанализировав подобное решение, по двум причинам: из-за отклонения в сторону результата (если попытка провалилась, значит, решение предпринять ее было неправильным) и бинарной предвзятости (необходимости присвоить решению четкую категорию).
Что такое хорошая ставка? Мыслить, как игрок
Чтобы выработать успешный подход к размещению ставок, игрок должен научиться избегать подобной предвзятости. Серая область между победой и поражением — вот что отличает хорошую ставку от плохой.
Игроки оперируют процентными показателями. Если процентные показатели игрока более точны, чем процентные показатели букмекера, в долгосрочной перспективе игрок останется в выигрыше. Но возможно ли вообще выяснить, точны ли процентные показатели игрока?
Без большого размера выборки дать решительный ответ на этот вопрос практически невозможно.
В качестве примера рассмотрим один известный случай, связанный с процентами. Веб-сайт статистики FiveThrityEight оценил шансы Дональда Трампа победить в президентских выборах 2016 года в США в 30 %. Разумеется, по итогам выборов Трамп стал президентом.
Некоторые тут же окрестили этот прогноз «неправильным». Учитывая склонность людей использовать в таких случаях бинарный подход, можно понять, почему этот ярлык оказался таким заманчивым. Как и показало исследование Фишера и Кейла, посвященное бинарной предвзятости, при оценке прогноза люди проигнорировали его низкую силу (шансы Трампа на победу оценивались в 30 %, а не 0 %) и определили его в категорию «неправильные», потому что так им было удобно.
Но, разумеется, это бессмыслица. Согласно прогнозу, Трамп должен победить в трех случаях из десяти. То, что ситуация пошла по сценарию, в котором Трамп победил, не говорит нам ничего нового о точности прогноза.
Чтобы получить хоть сколько-нибудь значимый результат, размер выборки пришлось бы увеличить, проведя одни и те же выборы несколько раз (что, разумеется, невозможно). Только тогда мы бы смогли увидеть, насколько близок к реальности был прогноз FiveThirtyEight, оценивший шансы Трампа на победу в 30 %.
Контролировать хаос
По понятным причинам, это приводит в замешательство. Утверждение, что мы не знаем и никогда не узнаем, хорош ли был тот или иной прогноз, противоречит всем нашим инстинктам.
Конечно, были ставки, которые я размещал, интуитивно чувствуя, что проценты склоняются в мою пользу, но за пределами модели, применяемой к большой выборке похожих событий, нельзя с точностью утверждать, что я был прав.
Как игроки, мы работаем в той серой зоне между контейнерами «хороших» и «плохих» ставок. Чтобы добиться успеха, нужно отказаться от простых категорий и принимать процентные показатели каждой отдельной ставки такими, какие они есть. И просто пытаться сделать «хорошую» ставку с осознанием того, что мы никогда точно не узнаем, является ли она таковой.
БИНАРНАЯ ОППОЗИЦИЯ
Полезное
Смотреть что такое «БИНАРНАЯ ОППОЗИЦИЯ» в других словарях:
Бинарная оппозиция — Бинарная оппозиция универсальное средство рационального описания мира, где одновременно рассматриваются два противоположных понятия, одно из которых утверждает какое либо качество, а другое отрицает. Считается неотъемлемым качеством… … Википедия
ОППОЗИЦИЯ — ОППОЗИЦИЯ, бинарная оппозиция, в ст. Структурная поэтика … Литературный энциклопедический словарь
Дихотомическая (бинарная) теория Р. О. Якобсона — Дихотомическая (бинарная) теория Р.О. Якобсона Н.С. Трубецкой сводил фонологические отношения к отношениям между фонемами, представляющими собой пучки дифференциальных признаков (дифференторов). Этот признак дифферентор постепенно осознается как… … Википедия
СИМВОЛИЧЕСКОЕ ВООБРАЖЕНИЕ — способность субъекта, связанная с процессом культурного творчества. Основы ее понимания заложены еще в учении Канта о схематизации продуктивного воображения. Продолжая эту линию теор. анализа, Кассирер рассматривал С.в. как продукт… … Энциклопедия культурологии
КАРТИНА МИРА — система интуитивных представлений о реальности. К. м. можно выделить, описать или реконструировать у любой социопсихологической единицы от нации или этноса до какой либо социальной или профессиональной группы или отдельной личности. Каждому… … Энциклопедия культурологии
МИФ — Это понятие имеет в обыденном и культурном языке три значения: 1) древнее предание, рассказ; 2) мифотворчество, мифологический космогенез; 3) особое состояние сознания, исторически и культурно обусловленное. Первое значение, или представление,… … Энциклопедия культурологии
Лингвистическая типология — Лингвистика Теоретическая лингвистика Фонетика Фонология Морфология Синтаксис Семантика Лексическая семантика Прагматика … Википедия
Типология (лингвистика) — У этого термина существуют и другие значения, см. Типология. … Википедия
СТРУКТУРАЛИЗМ — (франц. structuralisme, от структура), направление в литературоведении, один из методов гуманитарных наук, разработанный с целью обнаружить, описать и объяснить структуры мышления, лежащие в основе культуры прошлого и настоящего. С. возник во 2‑й … Литературный энциклопедический словарь
ГНОСТИЦИЗМ — (греч. gnosis познание, знание) эклектическое религиозно философское течение поздней античности, выступившее одной из культурных форм связи оформившегося христианства с мифо философским эллинистическим фоном и вероучениями иудаизма, зороастризма … История Философии: Энциклопедия
Тьюринг, помоги! Похож ли наш мозг на компьютер?
Бросьте в меня камень, если вы никогда не слышали этого сравнения: «Мозг человека — это компьютер». Эта простая метафора вызывает холивары во всем мире, сталкивает лбами интеллектуалов и, возможно, стала причиной нескольких инсультов. Одни утверждают, что человеческое мышление не может уложиться в бинарные рамки компьютерной программы. Другие — что, невзирая на свое богатство, наше мышление остается пусть превосходным, но процессором. Но и сторонники, и противники забывают о главном: спорят они не о метафоре, а о гипотезе.
Больная метафора
Чтобы аргументированно рассуждать о мозге как компьютере, для начала нужно определиться с тем, что мы называем компьютером. Давайте пойдем от противного: от того, чем компьютер не является.
Компьютер — это точно не коробочка под вашим столом, не ноутбук на ваших коленях и не смартфон в ваших руках. Микрочипы, оперативная память и кэш — это лишь элементы компьютера. Если воспринимать его как пластиковую коробку с электронной начинкой, то, конечно, вы смело можете сказать, что мозг — точно не компьютер. Ну хотя бы потому, что серое вещество после вашего выключения не может служить жестким диском, и к вашей памяти ни у кого не будет доступа. Так вот, эту ошибку восприятия компьютера как коробочки с различными функциональными элементами совершают многие противники нашей метафоры.
Другие решительные противники сравнения мозга с компьютером часто вспоминают о том, что компьютерная метафора — лишь очередной пункт в целой серии исторических технологических сравнений. С чем только мозг не сравнивали после очередного технологического прорыва — и с гидросистемой, и с телеграфом, и с телефонным коммутатором… Теперь вот настал черед компьютера.
Историки до сих пор спорят о том, что же можно считать первым компьютером. Но сходятся они в одном: до 1936-го компьютеров не было. Размышления Тьюринга по большому счету касались не вычислительных систем, а человека: он изучал способности к решению задач, к вычислениям, к построению логической последовательности. Компьютеру было дано формальное определение еще до того, как он появился.
Даже не вспоминайте машины Бэббиджа. Его разностная машина была только феноменальным калькулятором, а аналитическую машину ему так и не удалось построить. Кроме того, обе они были механическими. Хотя да, разработки Бэббиджа помогли сформировать идею электронных вычислительных машин.
А что, если мы перевернем метафору и скажем, что компьютер работает как мозг? Вернемся к фон Нейману. Этот ученый, разрабатывая архитектуру компьютера, опирался на гипотетическую модель функционирования мозга Маккаллока и Питтса. Эти два ученых предполагали, что нейроны мозга могут либо посылать электрический «разряд», либо не посылать.
Иными словами, в их понимании нейрон зашифровывает информацию бинарным кодом: либо 1 («посылать»), либо 0 («не посылать»).
Это умозаключение позволяло предполагать, что группы нейронов действовали согласно формальной логике, что очень полезно для различного рода вычислений. Фон Нейман был прекрасно знаком с Маккаллоком, читал его работы и смог использовать его идею бинарной логики для создания компьютерной архитектуры.
Так что можно сказать, что компьютерные науки опираются на науку о мозге. Что, кстати, вовсе не означает, что мозг и компьютер работают схожим образом. Фон Нейману просто приглянулась простая аналогия работы нейронов, но по факту она не учитывает базовые принципы их функционирования.
К примеру, на самом деле нейроны посылают сигналы постоянно, а не с перерывами, а значит, о бинарной логике речи быть не может.
И фон Нейман честно говорит о том, что компьютер работает не так, как мозг).
Здоровая метафора
Итак, согласно этому определению, нам нужно несколько ключевых компонентов.
Самое главное здесь, конечно, алгоритм — набор конкретных действий: они должны быть дискретными, то есть обособленными, например «делай А, затем Б, затем С». Действий может быть сколько угодно. К тому же их можно организовывать в цикл, например:
Можно создавать действиям условия, но они всё равно останутся дискретными:
(3b) «Покиньте магазин, молодой человек, вы задерживаете покупателей»
Алгоритмичен ли наш мозг?
Ничего пошагового в таких процессах нет: электрические разряды и передача сигналов возникают не в отдельный момент времени.
Передача сигналов от нейрона к нейрону определяет, как мы ходим, видим, говорим, думаем, планируем, действуем. И если это происходит не алгоритмично, значит, мозг точно не компьютер, так ведь?
Не так быстро, друзья. Конечно, во многих аспектах мозг работает не как машина Тьюринга: у него нет бесконечного рулона бумаги и неограниченного времени для вычислений. Ну так и у электронного компьютера тоже нет. Даже пока вы ждете загрузки системных обновлений.
Но гипотеза, что мозг работает подобно компьютеру, ставит перед нами интересные вопросы. Например, может ли передача сигнала между нейронами быть в чем-то схожа с алгоритмом? Или можно ли описать процессы в мозге с помощью алгоритма?
Если работа мозга приближена к алгоритмической, мы можем использовать знания компьютерных наук для его изучения. Если же нет, нам необходимо искать новые подходы, не связанные с вычислительными алгоритмами.
Да, наша голова работает по алгоритмам
Есть только два способа проверить версию об алгоритмичности нашего мозга. Первый: мы предполагаем, по какому алгоритму действуют животные, а потом проверяем, соответствует ли активность нейронов предложенному алгоритму. Второй: мы измеряем активность нейронов во время поведенческого действия, а затем смотрим, какой алгоритм может соответствовать этому действию.
Наука пробовала и тот, и другой подход. Давайте начнем с того, который сперва изучает поведение. Мы уже достаточно много знаем о поведении животных (к миру которых и сами принадлежим).
Существует тонна экспериментов, в которых мы просим субъекта сделать выбор между двумя предметами.
Один из самых популярных выглядит так: мы показываем людям набор хаотично двигающихся точек, однако среди этих точек есть несколько таких, которые передвигаются в одном и том же направлении (влево или вправо). Далее мы просим участников эксперимента найти эти точки и сказать, в каком направлении они двигаются. Участник смотрит на экран, наблюдает за точками, а потом выдает ответ.
Небольшие изменения условий в таких заданиях позволяет выявить уникальные модели поведенческих реакций и возникновения ошибок. К примеру, количество ошибок возрастает обратно пропорционально количеству точек, двигающихся в одном направлении: чем меньше точек, тем больше ошибок. Это очень простая математическая модель, в которой для решения задания нужно, во-первых, определить наличие одинакового направления, а затем определить само направление (где одно направление противоречит другому). Это типичный алгоритм принятия решений.
Ну что ж, раз мы пришли к алгоритму, влияющему на поведение, самое время определить, что же происходит в мозге во время принятия решения.
В мозге обезьян, принимающих решения, можно увидеть несколько видов активности: нарастание активности, связанной с верным выбором, и спад активности, связанной с неверным.
Например, дофаминовая активность была замечена только при неожиданной награде. Как только нейроны «понимали», при каких условиях выдается награда, выброса дофамина не следовало.
На основе экспериментальных данных Шульца две независимые группы ученых (Рид Монтаг и Петер Даян и Джим Хук и Анди Барто) предположили, что нейроны при выработке дофамина используют алгоритмы теории обучения с подкреплением.
Алгоритмы этой теории работают так: есть несколько вариантов действий. Решение принимается на основе предполагаемых последствий от выбора того или иного действия. После принятия решения вычисляется разница между предполагаемыми последствиями и реальным исходом. Если последствия соответствовали предполагаемым, ошибки не было, значит, поведение не нуждается в корректировке. Если исход получился лучше предполагаемого (позитивная ошибка), ценность этого варианта возрастает. Если исход получился хуже предполагаемого (негативная ошибка), ценность варианта падает. Такое подкрепление создает канал обратной связи с окружающим миром и приводит к дальнейшим изменениям в поведении.
Согласно данным Шульца, дофаминовые нейроны дают обратную связь по всем трем вариантам исходов: и при отсутствии ошибки, и при положительной, и при отрицательной. Удивительно, как совпали дискретные шаги алгоритма и активность нейронов в мозге.
В действительности не так уж и удивительно. Теория обучения подкреплением основывалась на десятилетних исследованиях поведения животных при дрессировке, а затем ее данные использовались при разработке компьютерных программ для обучения. Так что логика появления подобной связи такова: поведение => появление компьютерных алгоритмов => более глубокие наблюдения за поведением => исследование нейронной активности, которая естественным образом совпала с алгоритмами.
Вы можете спросить: а как же успех глубоких нейросетей в работе с процессами, которые считались типично человеческими, например классификации изображений? Что ж, обычные нейросети в основе своей несут дискретные алгоритмы. Глубокие нейросети имеют целые дискретные слои, каждый из которых соединен со следующим и передает ему информацию. В человеческом мозге дискретных слоев нет.
Существует еще одна версия: несмотря на то, что в биологическом смысле мозг работает беспрерывно, проделываемые им операции все же дискретны.
Это может происходить так: нейронная активность идет колебательными движениями, активные фазы сменяются неактивными. К примеру, такие колебательные движения происходят при переключении внимания. Однако колебательная активность в мозге не регистрируется в течение долгого периода времени, и эти колебания никогда не приводят к полному положению «выкл.» или «вкл.». Кроме того, зарегистрированные колебания, как правило, происходят достаточно медленно; гораздо медленнее, чем основная активность мозга. Тем не менее сама идея, что мозг всё же оперирует некоторыми дискретными шагами, заслуживает внимания.
Нет, наша голова не работает по алгоритмам
Вроде бы набрали много свидетельств алгоритмической работы нашего мозга.
Вообще-то, большая часть нейронаук основывается на его алгоритмичности: какую публикацию ни открой — мозг все время что-то вычисляет и рассчитывает.
Влиятельный исследователь Дэвид Марр ставит вопрос так: ищем алгоритмы, а потом ищем часть мозга, которая запускает их. Но есть и те, кто задает вопрос иначе: если не алгоритмы, то что?
На него тоже есть ответ. Нам известно огромное количество действий, которыми мозг управляет без алгоритмов. Мы ходим, бегаем и ползаем, не вовлекая алгоритмической деятельности. При этих повторяющихся сокращениях разных групп мышц регистрируются такие же повторяющиеся всплески активности целых групп взаимосвязанных нейронов — они самостоятельно управляют движениями мышц.
Подобные нейронные цепочки возникают в мозге каждый раз, когда в теле происходят ритмичные процессы (хотя работой сердца управляет собственная фиксированная цепочка) — когда мы жуем, плаваем, дышим.
А что с единичными движениями? Например, когда мы поднимаем руку, чтобы взять стакан. Движение не повторяющееся, но и алгоритмов для его выполнения не требуется. При таких движениях происходит серия быстрой смены активности в нейронах зоны моторной коры, ответственной за руку. Они передают сигнал спинному мозгу, который передает его мышцам. Что здесь за алгоритм?
Здесь можно возразить: ну конечно, это всего лишь движения! Сложные процессы вроде памяти, планирования и мышления должны требовать вычислительных мощностей, а не просто динамической обработки.
Вообще-то, даже сложные процессы могут обойтись простой динамикой.
Вот механическое решение для работы памяти. Нам уже несколько десятилетий известно, что простое воспоминание может сохраняться и воспроизводиться активностью простой цепочки нейронов в ответ на определенные вводные данные. С их помощью запах поджаренного хлеба может вызывать в нас сложное воспоминание о визите к бабушке в далеком детстве.
А вот механическое решение для формирования прогноза. Наш мозг часто занимается прогнозированием. В этом процессе вознаграждение достаточно неопределенно: сдав отчеты вовремя, вы можете получить повышение, а можете и не получить.
Недавние исследования показали, как сеть нейронов, беспрерывно посылающих сигналы друг другу, занимаются прогнозированием. К примеру, определенная сеть нейронов решает судоку.
Есть механическое решение для почти любой задачи, связанной с вводными данными. Например, машины с неустойчивым состоянием (особый вид нейросети) представляют собой группу смоделированных нейронов, связанных между собой случайным образом и беспрерывно посылающих друг другу импульсы.
Кроме того, нейроны в этой модели разделяются на возбуждающие и тормозящие (последние не дают первым провести сигнал). Это важный момент, поскольку итоговая нейросеть работает в должной степени беспорядочно, а значит, самое легкое изменение во вводных данных вызовет абсолютно иную активность. По большому счету это означает, что любые вводные данные могут вызвать любую операцию.
Вопрос стоит так: каким образом эта сеть научится (эволюционно ли, либо с помощью обучения) строить нейронные связи нужным образом и выполнять требуемые действия? Это хороший вопрос, и на него пока нет ответа.
Влиятельный физик и математик Роджер Пенроуз посвятил две увесистые книги размышлениям о том, что мозг — это не компьютер. Но каким-то образом от этого простого утверждения он перешел к мысли о существовании квантового сознания, не допустив золотой середины. Ведь все может быть гораздо проще: мозг постоянно находится в движении, которое может подчиняться алгоритмам, а может и не подчиняться.
«Мозг как компьютер» — это не метафора, а гипотеза, которую вполне можно проверить. Чем ученые и занимаются прямо сейчас.
Ни одно исследование не сможет доказать, что вот эта определенная часть мозга работает по алгоритму Х. В науке так не бывает. Подтверждениями гипотезы служат многочисленные работы со всего мира, собираемые по крупицам. Так что точного ответа мы пока не знаем.
Считаю ли я мозг компьютером? Нет. Я готов оказаться неправым. Более того, я написал множество статей о том, как мозг реализует алгоритмы. Так что, как видите, я спокойно могу придерживаться двух точек зрения одновременно.
Подобная двойственность свойственна многим ученым: как только нужно выбрать между двумя полярно противоположными мнениями, становится ясно, что ни одно из них не может быть полностью верным.
Человеческий мозг просто создан для подобной двойственности. А может, это лишний раз доказывает, что он точно не компьютер?